向量值奇异积分方程的直接解法

本文给出了向量全纯函数的联接边值问题,在能表成分片全纯的向量值柯西型积分的函数类中的直接解法.     

互相关函数在误差分离技术中的应用

在齿轮整体误差测量中,多头标准蜗杆的误差是影响齿形测量精度的一个主要误差源。本文介绍了应用互相关函数从齿形误差测量结果中分离同标准蜗杆误差的原理及方法。     

基于微分进化算法的盲源分离

将微分进化算法的优点引入到盲源分离中,提出了基于微分进化的盲源分离算法。该算法以混合信号的峰度为代价函数,采用独立分量分析的方法对瞬时混合的信号进行盲分离。盲源分离中常用的自然梯度算法是一种局部寻优算法且收敛速度较慢,而微分进化算法是一种全局寻优算法且具有并行性、易实现等优点。分别用无噪仿真信号和有噪仿真信号对提出的算法进行仿真实验,比较了基于微分进化算法的盲源分离、基于粒子群优化算法的盲源分离和基于自然梯度算法的盲源分离的分离结果。结果表明:基于微分进化的盲分离算法收敛速度快,分离效果也比较好。     

基于循环平稳的卫星信道多普勒频移估计

基于线性调制信号的循环平稳特性,卫星信道多普勒频移的估计可以通过求解发送信号与接收信号的循环相关函数关系得到.借助循环谱函数推导出发送信号的循环相关函数,接收信号的循环相关函数则对信号本身及其有限差分进行计算.仿真结果说明了该算法对信道中的干扰与噪声不敏感,在多普勒频移较大时,该算法具有良好的估计精度;同时该算法还具有低复杂度和应用灵活的特点.     

系统维护的优化数学模型

利用变分法原理给出复杂联接状态下系统维护的优化数学模,并寻求最优解。     

异类传感器动态数据关联算法北大核心

数据关联是异类传感器系统中最核心且最重要的内容之一,典型的数据关联算法可以归结为特定的分配为问题,然而现有的S维分配算法只考虑同一时刻的每个传感器量测的互联。将此静态关联推广到动态关联中,提出了一种适用于异类传感器的(S+1)维动态数据关联算法。该算法首先将同一时刻各传感器的量测与目标轨迹的一步预测值合并,把问题转化为(S+1)维分配问题,然后将各传感器量测估计的位置信息与目标航迹的预测值的差值作为关联代价,并利用LP-SOLVE工具包解决多维分配问题,最后利用求得的全局最优关联解进行滤波和航迹的更新。仿真实验表明提出的关联代价能更精准地反映数据关联的可能性,能够对多目标进行稳定的跟踪。     

基于门限偶极子模型的四轮车变速度轨迹跟踪控制

针对利用李亚普诺夫函数控制律设计的轨迹跟踪控制器在跟踪初始误差较大和离散轨迹时,存在速度跳变问题和拐点处误差偏大的问题,设计了一种基于门限偶极子模型和趋向模型的变速度轨迹跟踪控制器。以四轮车的运动学模型为研究对象,在李亚普诺夫函数控制律的基础上,引入门限偶极子模型解决了初始误差较大速度跳变问题,同时引入纵向控制中的趋向模型,解决了不连续轨迹拐点处误差偏大的问题,使得跟踪轨迹更为光滑,进一步提高了跟踪精度。通过仿真结果对比分析,验证了改进控制器的有效性。     

一种新的证据K-NN数据分类算法

K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。     

实际系统输出的确定

在实际测试中,系统存在有非线性.同时,还有测量噪声及非测量输入引起的系统输出。这些因素都对系统的输出产生影响。把这些因素均假设为系统的非线性,利用理想线性系统和相干函数,推导出了实际系统输出,同时讨论了用这种方法提高载荷识别精度的问题。